Il dataset di speciazione chimica del PM10 urbano, nato nell’ambito delle attività del WG1 IAS “Sorgenti e impatto ambientale degli aerosol”, raccoglie dati (medie stagionali di concentrazione di massa, frazione ionica inorganica, EC, OC, macro- e micro-elementi) relativi a diversi siti e periodi temporali, rappresentativi del tessuto urbano della Penisola Italiana nel decennio 2005-2015. La disposizione matriciale dei dati ha permesso sia di effettuare verifiche sulla consistenza fisica e la significatività ambientale, sia di evidenziare che nella matrice sussistono strutture annidate di linearità mista [1] che interessano diverse variabili chimiche e/o gruppi di casi sito-anno-stagione (Figura 1). Ad esempio, l’intorno geografico o gli usi del suolo possono influenzare specificamente alcuni siti, generando sotto-gruppi autocorrelati all’interno di una regressione lineare dovuta all’azione delle sorgenti emissive. La linearità mista è frequente in dati di aerosol su cui influiscano ulteriori fattori ambientali, non noti a priori, rispetto a quelli attesi, e può essere trattata con modelli statistici (Linear Mixed Models, LMM), atti ad identificare i parametri (predittori) responsabili [2]. Tuttavia, gli LMM non separano i cluster annidati, il che permetterebbe invece di verificare le stime predittive dei modelli, né sono riportati altri metodi utili allo scopo. Questo contributo descrive i risultati preliminari di un nuovo approccio combinato alla linearità mista di dati di aerosol, ovvero: sviluppo di un metodo per la separazione di cluster annidati, e prima applicazione di LMM, a conoscenza degli autori, ad un dataset di speciazione chimica del PM.

Analisi e risoluzione di strutture di linearità mista nel dataset di speciazione chimica del PM10 urbano del WG1 IAS

Erika Brattich;
2022

Abstract

Il dataset di speciazione chimica del PM10 urbano, nato nell’ambito delle attività del WG1 IAS “Sorgenti e impatto ambientale degli aerosol”, raccoglie dati (medie stagionali di concentrazione di massa, frazione ionica inorganica, EC, OC, macro- e micro-elementi) relativi a diversi siti e periodi temporali, rappresentativi del tessuto urbano della Penisola Italiana nel decennio 2005-2015. La disposizione matriciale dei dati ha permesso sia di effettuare verifiche sulla consistenza fisica e la significatività ambientale, sia di evidenziare che nella matrice sussistono strutture annidate di linearità mista [1] che interessano diverse variabili chimiche e/o gruppi di casi sito-anno-stagione (Figura 1). Ad esempio, l’intorno geografico o gli usi del suolo possono influenzare specificamente alcuni siti, generando sotto-gruppi autocorrelati all’interno di una regressione lineare dovuta all’azione delle sorgenti emissive. La linearità mista è frequente in dati di aerosol su cui influiscano ulteriori fattori ambientali, non noti a priori, rispetto a quelli attesi, e può essere trattata con modelli statistici (Linear Mixed Models, LMM), atti ad identificare i parametri (predittori) responsabili [2]. Tuttavia, gli LMM non separano i cluster annidati, il che permetterebbe invece di verificare le stime predittive dei modelli, né sono riportati altri metodi utili allo scopo. Questo contributo descrive i risultati preliminari di un nuovo approccio combinato alla linearità mista di dati di aerosol, ovvero: sviluppo di un metodo per la separazione di cluster annidati, e prima applicazione di LMM, a conoscenza degli autori, ad un dataset di speciazione chimica del PM.
2022
X CONVEGNO SUL PARTICOLATO ATMOSFERICO BOLOGNA – 18-20 MAGGIO 2022 Proceedings
178
178
Adriana Pietrodangelo, Angelo Riccio, Erika Brattich, Alessandro Bigi
File in questo prodotto:
Eventuali allegati, non sono esposti

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11585/890192
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact